基于运动信息获取及智能处理的运动员训练指导系统研究

论文摘要

随着科学技术的快速发展，信息技术逐渐在体育科研中发挥出越来越重要的作用，为人们采用科学的训练方法和手段对运动员进行指导提供了重要的保障。为了合理科学地评价运动动作的正确性，提高运动员训练的准确性和科学性，如何完善其理论研究，使其更好地应用到运动员的训练指导之中已经成为迫切需要研究和发展的前沿课题。本文围绕铅球运动中人体运动信息的获取及其智能处理以及运动员训练指导系统的研究应用进行了一些探索性的研究，具有理论意义和实际应用价值。 本文以铅球为例，对国内外的铅球运动及运动员训练指导系统进行了广泛的调研和分析，在实现运动员的各种信息的全方位采集、运动信息的智能处理以及基于此基础之上的运动员训练指导系统的构建等方面进行了研究。本文主要在以下几个方面作了拓展和创新性的工作。 1．系统阐述了运动员投掷铅球的力学行为过程，以当前主流投掷技术——背向滑步推球为例将运动员投掷铅球的动作过程分解为五个阶段，并对每个阶段力学行为特点进行了详细分析，这一部分是后续工作的基础。此外，从人体力学行为生理机理和人体力学行为控制过程及模型建立的基本方法角度对人体力学行为进行了比较全面的阐述。为对人体运动的进一步分析和运动员训练指导系统的构建作好理论准备。 2．构建了一种对铅球运动员投掷运动过程中各种信息进行全方位采集的信息获取综合测试系统，详细介绍了系统的主要组成模块的设计原理、硬件装置及综合测试平台的工作原理。该综合测试系统已经可以对运动员的惯性参数、运动学参数、动力学参数及肌电数据进行测量。系统整体采用总线结构控制，具有很好的扩展性和开放性；测试系统数据采集和同步机制采用软件配置，测试方法更灵活；测试数据处理和存储格式采用统一的规范，后续处理简单。这种测试系统不仅应用于铅球运动，通过简单的调整即可推广到很多体育运动的信息获取中，具有较高的应用价值。 3．分析了数字铅球、测力平台以及肌电仪所检测数据的特点，提出了一种自适应小波去噪算法。这一方法结合了软、硬阈值折衷法和区域相关算法的优点，可

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 运动员训练指导系统及研究意义
• 1.3 运动信息获取及智能处理技术
• 1.3.1 人体运动信息获取
• 1.3.1.1 运动学参数检测方法
• 1.3.1.2 动力学参数检测方法
• 1.3.1.3 其他参数的测量
• 1.3.2 运动信息智能处理技术
• 1.3.2.1 数据预处理
• 1.3.2.2 特征提取与选择
• 1.3.2.3 分类决策
• 1.3.2.4 信息融合
• 1.4 铅球运动及运动员训练指导系统研究动态
• 1.4.1 铅球运动的研究动态
• 1.4.2 运动员训练指导系统的研究动态
• 1.5 本文的主要工作内容和创新点
• 1.6 本文的内容安排
• 参考文献
• 第二章 铅球运动及人体力学行为
• 2.1 引言
• 2.2 铅球运动介绍
• 2.2.1 铅球运动及成绩影响因素
• 2.2.2 铅球的投掷技术
• 2.3 人体力学行为
• 2.3.1 人体力学行为生理机理
• 2.3.2 人体力学行为控制过程
• 2.4 人体力学行为建模
• 2.4.1 运动学建模
• 2.4.2 动力学建模
• 2.5 小结
• 参考文献
• 第三章 人体运动信息获取及数据预处理
• 3.1 引言
• 3.2 信息获取及其在运动训练指导系统中的作用和意义
• 3.3 运动信息获取综合测试系统
• 3.3.1 惯量参数采集模块
• 3.3.2 图像采集模块
• 3.3.3 动力学采集模块
• 3.3.3.1 数字铅球
• 3.3.3.2 六维力测力平台
• 3.3.4 肌电采集模块
• 3.3.5 综合测试系统测试过程
• 3.4 运动信息数据预处理
• 3.4.1 小波的基本概念
• 3.4.2 小波去噪的概念及目前的方法
• 3.4.3 自适应小波阈值去噪法
• 3.4.4 实验结果
• 3.5 本章小结
• 参考文献
• 第四章 人体运动信息智能处理技术
• 4.1 引言
• 4.2 力信息的智能处理
• 4.2.1 运动员力信息的研究意义
• 4.2.2 运动员力信息及其特性分析
• 4.2.3 运动员力信息的特征提取
• 4.2.4 运动员力信息的智能识别
• 4.2.4.1 模糊神经网络在力信息识别中的应用
• 4.2.4.1.1 模糊极小-极大神经网络
• 4.2.4.1.2 实验结果
• 4.2.4.2 支持向量机在力信息识别中的应用
• 4.2.4.2.1 支持向量机的基本概念
• 4.2.4.2.2 最小二乘支持向量机
• 4.2.4.2.3 多元LS-SVM
• 4.2.4.2.4 实验结果
• 4.3 肌电信息的智能处理
• 4.3.1 运动员肌电信息的研究意义
• 4.3.2 运动员肌电信息及其特征分析
• 4.3.3 运动员肌电信息的特征提取
• 4.3.4 运动员肌电信息的智能识别
• 4.4 多源运动信息融合
• 4.4.1 多源信息融合
• 4.4.2 多分类器融合的实现
• 4.4.3 实验结果
• 4.5 本章小结
• 参考文献
• 第五章 基于Multi-Agent的运动员训练指导系统机制研究
• 5.1 引言
• 5.2 运动员训练指导系统的建立及意义
• 5.3 Agent与多Agent系统
• 5.3.1 Agent概述
• 5.3.2 多Agent理论
• 5.3.2.1 MAS的定义
• 5.3.2.2 MAS的体系结构
• 5.3.2.3 多Agent的协调、协作与协商
• 5.3.2.4 Agent系统的构造
• 5.4 基于Multi-Agent的运动员训练指导系统的机制研究
• 5.4.1 系统特点分析
• 5.4.2 基于 Multi-Agent的运动员训练指导系统构建
• 5.4.3 基于Multi-Agent的运动员训练指导系统的实现
• 5.4.4 决策 Agent
• 5.5 小结
• 参考文献
• 第六章 总结与展望
• 致谢
• 攻读博士学位期间发表的学术论文